關聯性的卡方檢定範例
在雨傘製造廠中,會對雨傘手柄進行測量,如果雨傘手柄不符合規格,則會從組裝線中將其移除。每日報表將顯示在所有三個班次期間,工廠的三台沖床中每台生產的不合格手柄數。品質工程師想確定沖床和班次是否存在關聯。
工程師可執行關聯性卡方檢定來確定生產不合格把手的沖床和班次之間是否相關。
2.選擇 Stat > Tables > Chi-Square Test for Association。
3.從資料下拉列表,選擇 Summarized data in a two-way table。
4.在 Columns containing the table,輸入 '1st shift' '2nd shift' '3rd shift'。
5.在 Labels for the table (optional)下的 Rows 中,輸入 Machine ID。
6.點擊 Statistics。
7.勾選 Each cell’s contribution to chi-square。保留 Chi-square test, Display counts in each cell、Display marginal counts 和 Expected cell counts 的預設選擇。
8.點擊每個對話框中的 OK。
結果解釋
對於這些數據,Pearson 卡方統計量為11.788 (p 值 = 0.019),概似比卡方統計量為11.816 (p 值 = 0.019)。這兩個 p 值都小於顯著水準0.05。因此,工程師判斷變數之間存在關聯,而且沖床的性能因班次而異。
第一個班次生產的不合格把手最多 (160),且其中沖床2製造的不合格把手的比率較大 (76)。如果變數之間不相關,則第一個班次使用沖床2生產的不合格把手的數量要比預期的大得多。工程師使用此資訊研究第一個班次使用沖床2生產的不合格把手。
原廠英文解答